量子科技中心_量科网

若经典算法已能成功利用现有计算资源复现某些量子电路中可观测量期望值的估算，那么在采样问题上要匹配最先进量子设备的性能，通常需要付出极高的内存与算力代价——这使得全球仅有少数超级计算机具备此类能力。该研究团队首次演示了在标准基准测试中，采用单颗CPU或GPU即可超越百模高斯玻色子采样实验的经典模拟。由于具有极高的并行化特性，仅需少量CPU或GPU就能实现此前需上百张GPU才能达到的采样速率。研究人员认为，算法与实现方式的改进将使该工具可推广至光子计数、单光子输入及超千模的伪光子数分辨场景。最终，该工作中大多数创新性成果仍适用于二进制变量上的通用概率分布，这不仅有望应用于基于量子比特的采样问题模拟，还能为经典-量子混合算法构建经典替代模型。